搜索资源列表
xiaobobao-BPwangluo
- 小波包和BP神经网络在齿轮箱故障诊断中的应用，本文对齿 轮箱振动信号应用小波包分解提取故障特征向量，进一步用特征向量训练前向传播BP人工神经网络。-xiaobobao、BP、gearbox fault detection
xiaobobao-BP-zhoucheng-zhenduan-
- 基于小波包特征向量与神经网络的滚动轴承故障诊断。：基于故障轴承的特征提取，提出了将小波包分析与神经网络结合的滚动轴承故障诊断方法。对滚动轴承信号进行3层小波包分解，构造小波包特征向量作为故障样本，用训练好的BP神经网络进行故障诊断，试验结果表明，该方法能够有效地诊断出滚动轴承的故障类型。-Fault Diagnosis of Rolling Bearings Based on W avelet Packet Energy Eigenvector and Neural Network
2
- 针对齿轮的故障诊断,提出了一种基于小波特征提取和BP神经网络的诊断系统,利 用小波分解后各频段能量的分布作为特征向量输入神经网络。试验表明该方法能准确地诊断出齿 轮的故障,具有广泛的应用前景 - Aimed at the gear fault diagnosis, a diagnosis systemwhich based on thewavelet for picking up character and BP neural network are proposed, the
OCD--code
- 通过对集成误差公式的理论分析，提出了一种能主动引导个体网络进行差异性学习的集成网络学习算法。该方法通过对集成误差的分解，使个体网络的训练准则函数中包含个体网络误差相关度的因素，并通过协同训练，引导个体网络进行差异性学习。该方法在基于油气分析的变压器故障诊断的实验结果表明，该方法的故障诊断准确率优于传统的三比值法与BP神经网络，其性能也比经典的集成方法Bagging和Boosting方法更稳定可靠。-A learning algorithm is proposed in this paper by
ADL-code
- 通过对集成误差公式的理论分析，提出了一种能主动引导个体网络进行差异性学习的集成网络学习算法。该方法通过对集成误差的分解，使个体网络的训练准则函数中包含个体网络误差相关度的因素，并通过协同训练，引导个体网络进行差异性学习。该方法在基于油气分析的变压器故障诊断的实验结果表明，该方法的故障诊断准确率优于传统的三比值法与BP神经网络，其性能也比经典的集成方法Bagging和Boosting方法更稳定可靠。-A learning algorithm is proposed in this paper by
wavelet-energy
- 利用小波分解得到各尺度上的信号，再积分求取各尺度上的能量，可用于故障诊断-Signal using wavelet decomposition on each scale, and then strike points on each scale energy can be used for troubleshooting
xsj
- 关于一个轴承故障分解程序，里面包含小波去噪，重构等，还有EMD模态分解，并且还有各种功率谱仿真图-About a bearing failure decomposition process, which contains the wavelet de-noising, reconstruction, etc., as well as mode decomposition EMD, and there are a variety of power spectrum simulation map
EMD-Hilbert
- 轴承故障诊断中振动信号EMD分解和Hilbert包络(EMD Decomposition and Hilbert Envelope of Vibration Signal in Bearing Fault Diagnosis)